[Enhancement] Constant LIKE/REGEXP pattern is recompiled for every clone of the expression (per scanner and per segment iterator)

Đang mở
  • Có gì không ổn?
#69,916 1 bình luận 0 reaction 0 người được giao Xem trên GitHub

Maintainer thường phản hồi trong vòng 1 ngày

Chưa có ai nhận issue này.

Đánh giá

Độ khó
4/5
Thời gian dự kiến
3-5 ngày
Mức phù hợp với người mới
45/100
Loại issue
Tính năng
Độ rõ ràng
Khá rõ ràng
Mức độ hoạt động
Sôi nổi
Công nghệ
cpp, sql
Lĩnh vực
databases, performance

Hướng nghiên cứu

Start from FunctionLike and FunctionRegexpLike in the backend expr code, where THREAD_LOCAL open compiles the pattern. Read VExprContext::clone and SegmentIterator::_construct_compound_expr_context to see per-clone opens. Implement FRAGMENT_LOCAL compilation storing state in FunctionContext, then reuse via hs_clone_scratch. Validate with the provided REGEXP SQL on a many-segment table; done when open phase no longer scales with segments.

Do mô hình lập chỉ mục viết ra từ nội dung của issue.

Mô tả

Search before asking
  • I had searched in the issues and found no similar issues.
Version

master (checked at 5b2c066b4d), branch-4.1, 4.1.5

What's wrong?

FunctionLike and FunctionRegexpLike build their state, including the Hyperscan database (hs_compile) or the RE2/Boost regex for a constant pattern, only in their THREAD_LOCAL open. VExprContext::clone opens THREAD_LOCAL again for every clone, and a pushed-down predicate is cloned once per scanner and once per segment iterator (SegmentIterator::_construct_compound_expr_context). A scan over N segments therefore compiles the same constant pattern about N times.

A case-insensitive alternation such as (?i)(alpha|bravo|...|juliet)[.](exe|dll)$ takes milliseconds to compile. On a table with about ten thousand segments, the open phase (SegmentIteratorInitTimer in the profile) dominates the query and costs minutes of CPU. Matching itself (ExprFilterEvalTime) stays in the tens of milliseconds.

LikeSearchState::clone, used by LikeColumnPredicate, also runs hs_prepare again for each clone.

What you expected to happen

A constant pattern is compiled once per fragment, and its clones reuse it.

How to reproduce
CREATE TABLE t (k BIGINT, s STRING) DUPLICATE KEY(k) DISTRIBUTED BY HASH(k) BUCKETS 64
PROPERTIES ('replication_num' = '1', 'disable_auto_compaction' = 'true');
-- 60 times:
INSERT INTO t SELECT number, concat('file', cast(number AS STRING), '.exe') FROM numbers('number' = '5000');

SELECT count(*) FROM t WHERE s REGEXP 'file1[.]exe$';
SELECT count(*) FROM t WHERE s REGEXP '(?i)(alpha|bravo|charlie|delta|echo|foxtrot|golf|hotel|india|juliet|file1)[.](exe|dll)$';

With about 3.9k rowsets on one BE, the second query takes about 150 ms against about 72 ms for the first: about 77 ms of compiling. With the change below, both take about 47 ms. The gap grows linearly with the segment count.

Anything else?

Proposed change:

  • In the FRAGMENT_LOCAL open, compile a constant pattern and store it as fragment state. FunctionContext::clone() already shares that state.
  • In the THREAD_LOCAL open, share the fragment's Hyperscan database, which is read-only once compiled, and give each state its own scratch through hs_clone_scratch.
  • Keep compiling RE2 and Boost per state, because RE2 locks its lazily built DFA cache on every search, so one shared RE2 would serialise matching across scanner threads.
  • Non-constant patterns keep the current per-call path.
  • LikeSearchState::clone shares the database the same way.

Scope: this applies to LIKE/REGEXP, the only functions that compile a single pattern with Hyperscan. regexp_count, regexp_replace, regexp_extract and split_by_regexp also compile per THREAD_LOCAL open, but they use RE2. Building an RE2 is much cheaper than hs_compile, and sharing one RE2 across clones would contend on its DFA cache lock, so they are better left compiling per clone.

Related: #68977

Are you willing to submit PR?
  • Yes I am willing to submit a PR!
Code of Conduct
Ngôn ngữ chính
Java
Star
16.2k
Fork
4k
Merge trung bình
1 ngày 17 giờ
Pull request đã merge (30 ngày)
640

Chuẩn bị môi trường

Bắt đầu từ đâu

  1. Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
  2. Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
  3. Fork repository và làm thay đổi trên một nhánh.
  4. Mở pull request có tham chiếu số hiệu của issue.

Issue khác của apache/doris

Tất cả issue của apache/doris

Issue tương tự

Thêm issue về Java

Nhận issue mới trong hộp thư của bạn

Bản tóm tắt ngắn những issue GitHub phù hợp với người mới.